Machine Learning per la Manutenzione Predittiva

Che impatto può avere il guasto di un macchinario in un contesto industriale? È possibile prevedere il miglior momento per eseguire gli interventi di manutenzione?
Questo workshop fornisce una panoramica sulle metodologie di Machine Learning per la Manutenzione Predittiva nel contesto dell’Industria 4.0 e dell’Internet-of-Things (IoT) con lo scopo di ottimizzare la schedulazione degli interventi di manutenzione in modo da ridurre sensibilmente il downtime degli impianti ed i costi che ne conseguono. Viene inoltre presentato un caso di studio reale dove vengono usati diversi modelli di Machine Learning per predire il tempo di vita utile rimanente di turboventole a partire da dati di sensori su di esse posizionati.

Modalità

Virtual class

Programma

  • Introduzione al Machine Learning
  • Classificazione, regressione, qualità di un modello
  • Prognostics and Health Management
  • Caso di studio: NASA’s Turbofan Engine Degradation Simulation

Workshop

Machine Learning per la Manutenzione Predittiva

Rivolto a: System Administrators, developers, DevOps, CTO, Software Architects
Prerequisiti consigliati: Conoscenza basilare del cloud AWS, Conoscenza professionale di Python e delle librerie Keras/Tensorflow e scikit-learn, Conoscenza professionale di Git
Durata: 3 ore
CHIEDI INFORMAZIONI



Workshop

Machine Learning per la Manutenzione Predittiva

Rivolto a: System Administrators, developers, DevOps, CTO, Software Architects
Prerequisiti consigliati: Conoscenza basilare del cloud AWS, Conoscenza professionale di Python e delle librerie Keras/Tensorflow e scikit-learn, Conoscenza professionale di Git
Durata: 3 ore
CHIEDI INFORMAZIONI



Machine Learning per la Manutenzione Predittiva

Che impatto può avere il guasto di un macchinario in un contesto industriale? È possibile prevedere il miglior momento per eseguire gli interventi di manutenzione?
Questo workshop fornisce una panoramica sulle metodologie di Machine Learning per la Manutenzione Predittiva nel contesto dell’Industria 4.0 e dell’Internet-of-Things (IoT) con lo scopo di ottimizzare la schedulazione degli interventi di manutenzione in modo da ridurre sensibilmente il downtime degli impianti ed i costi che ne conseguono. Viene inoltre presentato un caso di studio reale dove vengono usati diversi modelli di Machine Learning per predire il tempo di vita utile rimanente di turboventole a partire da dati di sensori su di esse posizionati.

Modalità

Virtual class

Programma

  • Introduzione al Machine Learning
  • Classificazione, regressione, qualità di un modello
  • Prognostics and Health Management
  • Caso di studio: NASA’s Turbofan Engine Degradation Simulation